大数据安全“暗礁”多,立法滞后审核松是症结|可还行

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
数据安全中心,免费版
简介: 1.当前,大数据在提升政府治理能力、产业转型升级、服务改善民生中发挥的作用越来越大。2.但记者采访中发现,受立法滞后、交易秩序不稳定、核心技术与发达国家差距较大等因素影响,数据安全面临挑战。

       在全国首个大数据综合试验区贵州,2015年大数据产业规模突破2000亿元,实现两年翻番。“近年来,国家先后出台了一系列政策推动大数据、电子商务领域发展,信息经济迎来发展黄金期。2015年,信息经济规模超过18万亿,电子商务交易额超过20万亿,数据总量占全球的13%。据预测,未来5年大数据产业规模年均增长率将超过50%,到2020年数据总量将占全球的20%,届时我国将成为世界第一数据资源大国和全球数据中心。”国家发展改革委副主任林念修说。

       据国家发展改革委高技术产业司调研员刘勇介绍,京津冀以及贵阳、重庆、上海等地大数据产业集聚效应正在形成。数据铁笼、数据治税、精准扶贫等一批大数据应用正在推广,阿里、京东等企业大数据征信、大数据金融服务也不断推陈出新,新模式、新业态持续涌现,数据红利逐步显现。

       但同时,信息安全问题不容忽视。中国互联网协会发布的《网民权益保护调查报告(2015)》显示,78.2%的网民个人身份信息被泄露过、63.4%的网民个人网上活动信息被泄露过。另据360网站安全检测,2015年共扫描各类网站231.2万个,其中,存在漏洞的网站101.5万个,占扫描网站总数的43.9%;存在高危安全漏洞的30.8万个,占扫描网站总数的13%。

       “大数据是把‘双刃剑’,它能够造福社会,但如果被一些不法分子利用,将会损害社会利益和公众利益。传统解决网络安全的方法是把内外网隔离开,用终端设备隔离风险,但是随着移动互联网、云技术的出现,移动终端在4G、WiFi信号、电缆当中穿梭,网络边界已经消失,传统保障安全的办法效果差。”奇虎360科技有限公司总裁齐向东说。

       值得注意的是,在交易主体审核中,一些交易所选择了较为宽松的审核程序,仅进行邮箱、手机验证方式对会员进行审核,宽松的准入机制给数据安全留下隐患。

       “从实践来看,跟大数据相关的法律法规还有很大的完善和建设空间,比如在数据价值和产权没有明确分类和清晰界定的时候,数据收集者的动机可能被隐藏,数据安全和各类隐私存在着一定的风险。”中国互联网协会秘书长卢卫说。

       中国信息通信研究院产业与规划研究所所长胡坚波认为,当前,大数据开放安全法规不明晰。比如,数据开放的安全分类、分级标准缺失等。“立法还面临很多挑战,包括大数据资源开发利用界限、跨境数据流动、隐私保护等问题。”胡坚波说。

       据了解,针对大数据安全问题,国家有关部门正在推动网络安全立法,加快关键基础设施保护、网络安全审查、个人信息保护等法律法规的增补完善。在标准制定方面,正在组织开展涉及国家金融、能源、互联网企业的大数据安全调研活动,并启动了大数据安全标准研制工作。

       业内人士建议,应树立大数据整体安全观,平衡产业发展和隐私保护、国家安全之间的关系,协同促进大数据安全与发展,具体可从三方面入手。

        一是用大数据技术解决大数据时代的安全问题。中国工程院院士邬贺铨说,大数据已成为信息社会的热点,也是信息安全博弈的焦点。应加快数据采集、存储、清洗等关键技术攻关,集中力量突破信息管理、信息保护和基础支撑关键技术,提高自主保障能力。

       二是完善数据安全法律体系。中国政法大学党委书记石亚军教授说,大数据立法应把握四个原则:超前性与可操作性;时代性与地域性,既要把脉潮流,还要立足本土;实践性,既要科学规范、有效,又要通俗易懂、易用;国际性,取人之长,补己之短。

       三是引导公众加强数据安全意识,守住个人“数据底线”。开展数据安全宣传活动,通过多种形式向全社会普及网络安全知识,提升全社会的数据安全意识和防护技能。

相关文章
|
1月前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
|
1月前
|
存储 安全 大数据
|
4月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
4月前
|
安全 关系型数据库 MySQL
揭秘MySQL海量数据迁移终极秘籍:从逻辑备份到物理复制,解锁大数据迁移的高效与安全之道
【8月更文挑战第2天】MySQL数据量很大的数据库迁移最优方案
816 17
|
5月前
|
分布式计算 安全 大数据
HAS插件式Kerberos认证框架:构建安全可靠的大数据生态系统
在教育和科研领域,研究人员需要共享大量数据以促进合作。HAS框架可以提供一个安全的数据共享平台,确保数据的安全性和合规性。
|
5月前
|
SQL 安全 大数据
如何安全的大数据量表在线进行DDL操作
如何安全的大数据量表在线进行DDL操作
78 0
如何安全的大数据量表在线进行DDL操作
|
6月前
|
机器学习/深度学习 自然语言处理 监控
金融行业的大数据风控模型:构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率,通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例,展示了从数据预处理到模型训练、评估的过程,并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术,并提供基础的代码实现概念。【6月更文挑战第23天】
1074 8
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
364 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
54 2